XiaoMi-AI文件搜索系统
World File Search System模型控制
用于探测石墨烯中晶界结构的Moiré理论
多尺度显微镜跨越原子，Moir´e和中索量表已使工程化石墨烯的平衡结构。然而，对operando成像技术的时间限制使Moir´e缩放了可访问的空间分辨率，从而限制了我们对石墨烯非平衡过程原子机制的理解。为了将原子量表特征与operando显微镜一起包含，我们开发了一种Moir'E计量理论，该理论会渗透到Moir´e量表中的原子尺度结构，从而形成了一个桥梁，直达Operando Mi-Croscopy。该理论基于原子量表模型，该模型控制原子结构，并通过模拟将其促进到Moir'E量表。我们通过相关应用：化学蒸气沉积过程中石墨烯的核合并来引入此问题。我们开发了两个机械原子量表模型，这些模型控制了晶界的传播和结构，从而阐明了通过单个二聚体的附着来形成边缘位错，断开连接和晶界的方式。通过键卷积的模拟将原子模型带到Moir'E量表，并根据Operando In-Operando扫描隧道显微镜的结果测试了所得的Moir'E计量理论。通过证明我们可以从Moir´e模式中识别原子量表缺陷，我们强调了Moir'E计量学如何从Operando观察石墨烯结构的生长过程中实现决策，从而为在可扩展合成条件下的石墨烯原子结构设计铺平了道路。
管理投资管理领域的模型和人工智能风险
模型控制失败和缺乏适当的披露可能会导致严重的监管处罚、财务损失、客户流失或声誉受损。尽管IM是与模型相关的监管有限的金融行业之一，但有几项监管规则要求加强对数据和风险建模框架的治理（例如，SEC 22e-5、2a-5、18f-4）。此外，包括金融业监管局（FINRA）和证券交易委员会（SEC）在内的监管机构也发布了专门针对使用机器人咨询模型的行业指导。鉴于投资者、利益相关者和监管机构对模型的关注度不断提高，投资经理需要积极设计和实施风险管理实践，以增强模型的弹性，从而减轻业务的战略、监管和运营风险。
使用多智能体深度强化学习进行空战模拟中的智能体协调
摘要 —基于模拟的训练有可能显著提高空战领域的训练价值。然而，合成对手必须由高质量的行为模型控制，才能表现出类似人类的行为。手工构建这样的模型被认为是一项非常具有挑战性的任务。在这项工作中，我们研究了如何使用多智能体深度强化学习为空战模拟中的合成飞行员构建行为模型。我们在两种空战场景中对多种方法进行了实证评估，并证明课程学习是一种处理空战领域高维状态空间的有前途的方法，并且多目标学习可以产生具有多种特征的合成智能体，从而可以在训练中模拟人类飞行员。索引术语 —基于智能体的建模、智能智能体、机器学习、多智能体系统
AI模型调制，带有逻辑重新分布-Zihan Wang
大型型号通常适用于满足模型所有者和用户的各种要求。但是，维护多个专门版本的模型效率低下。 在响应中，我们提出了AIM，这是一种新型的模型调制范式，使单个模型能够表现出各种行为能够满足特定的最终需求。 AIM启用两个关键调制模式：实用程序和焦点调制。 前者为模型所有者提供了对输出质量的模型控制，以提供不同的实用程序级别，后者为用户提供了精确的控制，以移动模型的集中输入功能。 AIM介绍了以培训数据不合时宜的方式和无重新训练方式运行的逻辑再分配策略。 我们建立了正式的基础，以确保AIM的监管能力，以通过关节概率分布来订购的统计特性。 我们的评估证实了AIM对AI模型调制的实用性和多功能性，任务涵盖了IMEGE分类，语义细分和文本生成，以及包括Resnet，Segformer和Llama在内的普遍体系结构。但是，维护多个专门版本的模型效率低下。在响应中，我们提出了AIM，这是一种新型的模型调制范式，使单个模型能够表现出各种行为能够满足特定的最终需求。AIM启用两个关键调制模式：实用程序和焦点调制。前者为模型所有者提供了对输出质量的模型控制，以提供不同的实用程序级别，后者为用户提供了精确的控制，以移动模型的集中输入功能。AIM介绍了以培训数据不合时宜的方式和无重新训练方式运行的逻辑再分配策略。我们建立了正式的基础，以确保AIM的监管能力，以通过关节概率分布来订购的统计特性。我们的评估证实了AIM对AI模型调制的实用性和多功能性，任务涵盖了IMEGE分类，语义细分和文本生成，以及包括Resnet，Segformer和Llama在内的普遍体系结构。
dr-robot.pdf
摘要：接受大量视觉数据训练的视觉基础模型已显示出空前的推理和计划技能。将它们应用于机器人任务的关键挑战是视觉数据和动作数据之间的方式差距。我们引入了可区分的机器人渲染，这是一种方法，允许机器人体的视觉外观相对于其控制参数直接差异。我们的模型整合了运动学意识的模型和高斯人的裂开，并与任何机器人形式和自由度兼容。我们证明了它在范围中的功能和用法，包括重建了来自图像的机器人姿势和通过视觉语言模型控制机器人。定量和定性结果表明，我们可直接从像素的机器人控制提供了有效的机器人控制梯度，为Vision Foundity模型在机器人技术中的未来应用奠定了基础。交互式演示和其他可视化措施可在以下网址提供：drrobot.cs.columbia.edu/。
填充胎儿心率信号：基于维度结构和周期分段的扩散模型
摘要 - 心率（FHR）信号被广泛用于多普勒胎儿心脏监护仪中。但是，不完整的FHR信号降低了胎儿心率监测的有效性。填充丢失的数据是提高FHR质量的关键技术，但是现有的填充算法缺乏考虑FHR信号的相关性。因此，我们专注于与FHR相关的两个相关性，并提出了一种填充算法，称为FHR中缺少数据插补的扩散模型（DMDI-FHR）。首先，我们构建了双维样品构建（DDSC）方法，该方法发现了两个FHR信号，并最大程度地提高了它们之间形成相关性的差异。其次，引入了多周期分解（MPD）方法以获得FHR信号的内部相关性。最后，DMDI-FHR算法基于扩散模型控制填充过程。实验结果证明了DMDI-FHR算法的性能，该算法提供了提高FHR信号质量的有效方法。
可再生动态虚拟发电厂的分散强化控制使其能够提供辅助服务：实现净零目标的尝试
摘要 本文介绍了基于内部模型控制 (IMC) 的可再生动态虚拟电厂 (DVPP) 的分散强化控制，以便将其集成到电力系统中，替代基于燃料的传统发电机。如果不为电力系统提供额外的辅助服务 (AS)，就不可能实现这种朝着净零目标发展的电网整合，因为传统的 AS 会随着传统发电机的退役/替换而失效。从技术角度 (即 TDVPP) 介绍 DVPP 的理论，包括为 DVPP 集成制定广义控制目标 (期望规范)。解决方法包括两个步骤：(1) 分解期望规范和 (2) 分散强化控制以匹配分解后的规范。DVPP 集成的理论和解决方法以广义的方式介绍，使 DVPP 能够提供多个 AS，但本文的案例研究仅限于频率控制 AS (FCAS)。该研究是在“西部系统协调委员会 (WSCC)”测试系统上进行的，该系统通过用可再生 DVPP 取代最大的火力发电机，尝试实现净零目标，确保电网的运行或动态安全。
深度基于模型的强化学习，用于对机器人系统的预测控制，并具有稀疏奖励
抽象的稀疏奖励和样本效率是增强学习领域的开放研究领域。在考虑对机器人技术和其他网络物理系统的增强学习应用时，这些问题尤其重要。之所以如此，是因为在这些领域中，许多任务都是基于目标的，并且自然而然地表达了二进制成功和失败，动作空间较大且连续，并且与环境的实际相互作用受到限制。在这项工作中，我们提出了深层的价值和预测模型控制（DVPMC），这是一种基于模型的预测增强学习算法，用于连续控制，该算法使用系统识别，值函数近似和基于采样的优化对选择动作。该算法是根据密集的奖励和稀疏奖励任务进行评估的。我们表明，它可以使预测控制方法的性能与密集的奖励问题相匹配，并且在样本效率和性能的指标上，在稀疏奖励任务上优于模型和基于模型的学习算法。我们验证了使用DVPMC训练在仿真的机器人上培训的代理商的性能。可以在此处找到实验的视频：https：//youtu.be/ 0q274kcfn4c。
儿童贫血与幼儿发展有关吗？对9项人口统计和健康调查的横断面分析
贫血在许多低收入和中等收入国家（LMIC）中是一个重大的公共卫生问题，幼儿特别容易受到伤害。铁缺乏症是贫血的主要原因，先前的研究表明，低铁状态/铁缺乏症和儿童发育效果不佳之间的关联。在LMIC中，五岁以下的儿童中有43％有没有发育潜力的风险。 但是，在大型基于人群的调查中，很少有研究检查贫血状况与幼儿发展（ECD）之间的关联。 我们研究了严重或中度贫血与ECD领域（识字，身体，社会情感和学习）之间的关联，以及36-59个月的儿童中的总体ECD指数。 使用了DHS计划（DHS-7）（DHS-7）的9项人口统计学和健康调查（DHS），其中包括五岁以下儿童的ECD模块和血红蛋白测试。 双变量和多元逻辑回归均针对五个结果中的每个结果进行。 多变量模型控制着针对早期学习/互动变量，儿童，母亲和父亲志愿者以及社会经济和家庭特征的控制。 结果表明，除了贝宁的社会情感发展（AOR = 1.00 P <0.05）和马尔代夫的身体发育（AORS = 0.97 P <0.05）外，贫血与ECD领域或ECD领域之间几乎没有显着关联。 参加幼儿教育计划的出勤率也与许多国家的结果显着相关。在LMIC中，五岁以下的儿童中有43％有没有发育潜力的风险。但是，在大型基于人群的调查中，很少有研究检查贫血状况与幼儿发展（ECD）之间的关联。我们研究了严重或中度贫血与ECD领域（识字，身体，社会情感和学习）之间的关联，以及36-59个月的儿童中的总体ECD指数。使用了DHS计划（DHS-7）（DHS-7）的9项人口统计学和健康调查（DHS），其中包括五岁以下儿童的ECD模块和血红蛋白测试。双变量和多元逻辑回归均针对五个结果中的每个结果进行。多变量模型控制着针对早期学习/互动变量，儿童，母亲和父亲志愿者以及社会经济和家庭特征的控制。结果表明，除了贝宁的社会情感发展（AOR = 1.00 P <0.05）和马尔代夫的身体发育（AORS = 0.97 P <0.05）外，贫血与ECD领域或ECD领域之间几乎没有显着关联。参加幼儿教育计划的出勤率也与许多国家的结果显着相关。我们的发现加强了培养护理框架的重要性，该培训框架描述了一种促进LMIC中ECD的多部门方法。